JobPathВопросы на собеседовании дата-сайентиста и ML-инженера
1 165 вопросов с реальных собеседований, чаще всего — в компаниях Сбер, Иннотех и Avito.
Все вопросы
Нашлось 180 вопросов
- Как интерпретировать важность признаков?Seniorнетология
- Какая точность модели антифрода?SeniorИннотех
- Как устроена классификация ситуаций в системе видеонаблюденияSeniorСбер
- Генерировали ли новые признаки из существующих?Seniorнетология
- Как делятся команды и их задачи в perception и принятии решенийSeniorСбер
- Какой был отклик от сотрудников на систему, были ли жалобы или предложенияMiddleИннотех
- Использовали ли вы hyperparameter tuning в проектахSeniorИннотех
- Опишите workflow отладки решения на Spark и типичные проблемы с их решениемSeniorRubbles
- Что в платформе для аб-тестов считается автоматически, а что вручную?SeniorЛеруаМерлен
- Собирали ли вы данные самостоятельноMiddleнетология
- Ответь на такие вопросы вслухMock-интервью с ИИ: вопросы голосом и разбор каждого ответа.Попробовать
- Как происходил обмен данными с модельюSeniorИннотех
- Чем вы занимались: обучением модели или сбором данныхSeniorнетология
- Можно ли применять t-тест к бинарным даннымMiddleЛаборатория Касперского
- Как учитывать кредитные карты в модели?Seniorнетология
- Как происходило разбиение данных на train и test?Middleнетология
- Как были представлены данные: свишки или доступ к базе данныхMiddleнетология
- Как учитывать метрику выручки и стоимости товара при ранжированииSeniorAvito
- Какие технологии и инструменты использовали в проектеSeniorAston
- Были ли проблемы с частотой данных от кредитных бюроSeniorЛаборатория Касперского
- Какая самая сложная задача в прогнозировании действий автомобилей и их влияния на потокSeniorСбер
Как проходит собеседование
Собеседование на дата-сайентиста или ML-инженера обычно включает скрининг, секцию по математике и машинному обучению, задачу на код и разбор кейса из практики. Иногда отдельно проверяют SQL. Рекрутер обычно уточняет, с какими данными и задачами ты работал, а на встрече с командой просят рассказать о модели, которая дошла до продакшна, и о том, что пошло не так.
По теории спрашивают основы статистики и вероятностей, переобучение и способы с ним бороться, метрики качества и выбор метрики под задачу, устройство линейных моделей, деревьев и бустинга. Для ML-инженеров добавляются нейросети, работа с данными в продакшне, обучение и выкатка моделей, мониторинг их качества. Почти всегда просят разобрать кейс: как ты поставишь задачу, какие признаки соберёшь и как поймёшь, что модель работает. Отдельно проверяют Python и библиотеки для работы с данными.
Чтобы готовиться прицельно, отфильтруй вопросы по своему уровню и начни с тех, что спрашивали чаще всего: счётчик стоит у каждого вопроса. Ответь на несколько из них вслух в mock-интервью, так видно, где ответ разваливается, ещё до настоящего созвона.
Другие направления
Прорепетируй собеседование дата-сайентиста и ML-инженера
Голосовой ИИ-интервьюер задаст вопросы твоего стека, переспросит и разберёт каждый ответ.